タグ付けされた質問 「separation」

ロジスティック回帰との仕事は完全な分離の問題に精通している人々 ：あなたは2つの結果の一つだけに関連付けられているの変数の特定の値を持っている場合（バイナリが言う持つすべての観測よう、X = 1が持っている結果= 1 ）、可能性が爆発し、最尤推定値が無限大になります。Rでは、完全な予測/分離以外の理由で完全な予測エラーメッセージが表示される可能性があるため、これを非常にうまく処理できる場合とそうでない場合があります。Stataでは、そのような変数と問題のある値を識別し、それらを分析から破棄します。バツxxx = 1x=1x=1glmlogit 私の質問は、あなたが完全に分離している場合に何をすべきかとは異なります。変数を再コード化することで処理できること（変数はすべてカテゴリなので、単純にカテゴリを組み合わせることができます）。 代わりに、これを説明する一般的な方法は何でしょうか。私は約50％の割合が「陽性」である約100人の患者のデータセットを持っています。人口統計変数のいくつかのカテゴリは、この完璧な予測を生成します。7人すべての緑色の目の人々が「肯定的な」結果を持っているとだけ言いましょう。これは、サンプルサイズが1000で緑色の目が70人の場合に消える小さなサンプルの特徴かもしれませんが、臨床的に意味があるかもしれません。オッズ比が高い「ポジティブ」な結果。 したがって、ベイジアン法またはその他の収縮法を使用したと言ってもいいのですが、その方法を説明する際に、完全な予測/分離ができたことを認める必要があり、さらに高度な手法を見つけて結果を得る必要がありました。すべて。ここで使用するのに適した言語は何ですか？

8 logistic  separation 

更新：私の問題が準完全分離と呼ばれていることがわかったので、これを反映するように質問を更新しました（Aaronに感謝）。 私は29人の人間の参加者（因子code）が一連の試行に取り組みresponse、1または0 であった実験からのデータセットを持っていp.validityます。type（肯定と拒否）、およびcounterexamples（少数と多数）： d.binom <- read.table("http://pastebin.com/raw.php?i=0yDpEri8") str(d.binom) ## 'data.frame': 464 obs. of 5 variables: ## $ code : Factor w/ 29 levels "A04C","A14G",..: 1 1 1 1 1 1 1 1 1 1 ... ## $ response : int 1 1 1 1 0 1 1 1 1 1 ... …

8 r  logistic  standard-error  lme4-nlme  separation 

SPSS 19を使用して多項ロジスティック回帰分析を行っています。分析手順を実行すると、次の問題が発生しました。 「ヘッセ行列に予期しない特異点が発生しました。これは、一部の予測変数を除外するか、一部のカテゴリをマージする必要があることを示しています。」 使用した私のデータについての少しの背景。1つまたは2つの2つのレベルを持つ4つのカテゴリカル予測子があります。モデルの応答変数は3レベルのカテゴリ変数です。最後のレベルを参照カテゴリとして使用しました。切片の係数を2つのロジットの4つの予測子の係数と比較して、この問題の原因となる可能性のある応答変数のレベルを見つけようとしました。切片と3つの予測子の間の係数の大きな違いは、問題があるのは参照カテゴリである可能性があることを示しています。ただし、応答変数のレベルを組み合わせることができませんでした（これは私の研究では許可されていません）。 予測変数を1つずつ除外することも試みましたが、それでも同じ問題が発生しました。 この問題を解決するために何をすべきかを誰かに教えてもらえますか？

8 logistic  spss  multinomial  separation 

このようなロジスティック回帰と線形分離を扱うRからの警告に関する投稿はすでにあります。Python Scikit Learnでこの問題がすべて最適化関数のL1 / L2正則化部分によって解決されるかどうかを確認したいだけです。言い換えれば、ユーザーは無限のMLE推定警告をから取得しないと言っても安全sklearn.linear_model.LogisticRegressionですか？

8 logistic  python  regularization  separation